|
matlab中主成分分析的函数: : l2 ~& v4 U" T! C) f6 |
1.princomp
4 v! m: n/ j( }9 M) C 功能:主成分分析
3 x2 j! y# ]. m 格式:PC=princomp(X)
; Y3 I4 P9 S* W% P- o3 d H: {, y [PC,SCORE,latent,tsquare]=princomp(X); O f( b E: q q
说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。 " C$ C; F0 H+ z
2.pcacov8 ~% A1 H" H$ F$ N c- x+ H; Y Q
功能:运用协方差矩阵进行主成分分析' C' d- X: q3 _0 G. t6 `
格式:PC=pcacov(X)# I" D" [6 q/ K. ]/ I
[PC,latent,explained]=pcacov(X)
9 q" F. H$ i' U$ w0 ~2 q 说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。 * e1 G! M& `& y# o1 E# L2 g
3.pcares: Y4 {( k& b5 o4 u, W
功能:主成分分析的残差 M; a# D1 P2 n
格式:residuals=pcares(X,ndim)" Q2 V( R n8 d* S3 \& s6 B7 ?
说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。
, ` P$ F' I* { a2 n7 Y4.barttest
; f9 v/ @3 \6 W3 J; L& Z/ ] 功能:主成分的巴特力特检验
: z6 Q! @9 ]9 b, n* c6 b1 l 格式:ndim=barttest(X,alpha)
8 m1 t4 e/ y! L B, }0 F [ndim,prob,chisquare]=barttest(X,alpha)
8 l2 Z5 A8 `7 ^: K3 v 说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |